[发明专利]一种基于自适应邻域选择的MR图像配准方法

摘要

本发明涉及一种基于自适应邻域选择的MR图像配准方法，首先，构造正定对称的协方差矩阵，协方差的空间结构是一个高维黎曼流形，在乘法和可逆条件下形成李群；其次，基于李群可由单位元的一个任意小领域生成，我们利用样本点邻域的局部切空间来表示李群流形的非线性几何结构；再次，通过流形学习方法自适应地选择邻域大小，提高局部切空间的线性化程度越高；最后，最小化代价函数得到最优变换空间，进而配准输出。本发明通过流形学习方法自适应地选择邻域大小，形成线性子空间，达到更好地逼近切空间的目的，进而在空间变换中保持图像的拓扑结构，最终提高图像配准的精度。

主权项

1.一种图像自适应邻域选择方法，其特征在于，包括以下步骤，1.1、基于李群和李群的单位元Id处的切空间之间的映射关系，获取在局部坐标系中图像中任意样本点Si的形变场u，设李群的单位元Id处的切空间是TG，其d维正交基矩阵为T＝[τ1,τ2…τd]，τi∈Rm,i＝1,2,…,d，在局部坐标系中，任意样本点的形变场u可以表示为下述公式(F‑1‑1)的线性组合，其中，ui是给定坐标下形变场u的分量，是线性组合系数；1.2、采用线性拟合来近似计算邻域点ε_j的线性逼近；1.3、通过KernelPCA方法，找到一个隐式映射函数φ(Si)，把Si投影到具有更好性质的特征空间,再在特征空间中寻找可以保持最大差异性的d个低维投影方向[τ1,τ2…τd]，最终得到邻域点εj在局部邻域上的投影uj，也就是邻域点的坐标；1.4、基于邻域点εj的坐标uj计算对应正交基矩阵的局部坐标系U，并用SVD分解得到左右奇异值；1.5、利用左右奇异值计算比值，得到邻域选择标准r。